大数据时代 > 技术前沿 >
“数据湖”中数据管理的4种方式
发布时间:2016-06-13 09:28    阅读次数:
本文关键字:数据湖,管理,Hadoop
  “ 数据湖 ”相当于一个中心位置来存储你所有的数据,它无需考虑数据来源和格式。它通常是用‘Hadoop’来建立。数据可以是结构化的或者非结构化的。你可以使用大量的存储,分析和处理工具快速提取数据的价值来做出重要的组织决策。
 
  因为所有的数据都是受欢迎的,对于传统的企业数据仓库来说,‘数据湖’算得上是一个功能强大的替代品或补充品。另外,随着更多的企业向基于云服务的应用开发和物联网转型,‘数据湖’也是一个主要的选择。
 
  在早期的使用案例中,企业频繁的将数据装载到“数据湖”而不尝试去管理它。随着‘数据湖’越来越成熟而且对企业来说更具战略意义,仅仅将数据装载到“数据湖”已经不再足够了而是需要做更好的打算。
 
  “数据湖”具有灵活性,可扩展性,低成本性三个特征。并且它还具有传统的数据仓库(EDW)的大部分特征,当你要增加 数据管理 和支配能力,如:数据质量,元数据管理,安全,转换和拆分与组合数据的能力。如果正确的管理“数据湖”,它可以改进你现在的数据管理措施并且能启用新的数据管理措施。建立“数据湖”的时候,你的公司可以选择下列4种方式中的一种:
 
  选择1:延后支配
 
  第一种选择在加载数据到数据湖的时候就忽略数据的支配和管理。然而,当你需要筛选出数据中有用的部分的时候,你将不得不用工具来清理这些数据,例如机器学习技术。然而这种方法是真正存在风险的,即使是最智能的推理引擎也需要从‘数据湖’大量的数据中的某个地方开始,不可避免的就是在‘数据湖’中部分数据将被忽略,变得滞后,孤立,并且其中的数据几乎不具有结构化,即使是最智能的自动化工具或者人工分析,都不知道从什么地方开始。
 
  选择2:适应已经存在的遗留工具
 
  你可以利用最初为数据仓库设计的应用和过程。当你准备导入数据到数据仓库时你可以用软件工具来执行ETL过程。你可以用这些工具来导出数据到数据湖,然而那样做代价很高,而且只能解决部分你所需要的管理和支配功能。另外一个缺点就是ELT是不包含在在Hadoop集群内的,那样会减慢操作速度和增加消耗,因为每次查询都必须将数据从集群中移除。
 
  选择3:编写定制脚本
 
  在第三种选择中,你用定制脚本创建了一个工作流来连接进程,应用,质量检查和数据转换从而来满足管理的需要。这是一个很常见的选择但是最不可靠和最耗资源的。你需要在Hadoop和它的生态系统方面有很强的分析能力从而来利用开源工具,而且他们需要编写脚本来把各部分连接起来。随着你必须不断修改复杂的代码和工作流来更新‘数据湖’,这个过程是很费时间和资源的。
 
  选择4:配置一个完整的“数据湖”管理平台
 
  第四个选择是配置一个用来汲取和管理大量不同的数据的“数据湖”管理平台。 Zaloni’s Bedrock 提供了这项功能。他允许你为数据编排目录,利用元数据并且支持正在进行中的以确保数据质量,数据沿袭和自动化工作流的进程。这种方法是解决“数据湖”管理和支配的最佳办法。
 
  当你向“数据湖”转变的时候,选择一个完全整合的数据湖管理平台将会使你对数据充满信心,并且会合并更多的用户和用户案例使之有益于商业。归根结底,这就是数据存在的意义,用来告知和提高组织的决策过程,用崭新的并且激动人心的方式来帮助您的业务增长。
分享按钮

近期文章

站内热点

友荐云推荐